Gemini Spark : l’agent personnel 24/7
Le chatbot répond quand vous l’interrogez, puis oublie tout dès que vous fermez l’onglet. Gemini Spark fait l’inverse : vous lui confiez un objectif, il travaille en continu sur des machines cloud — même votre ordinateur éteint — et revient avec le résultat. Dévoilé à Google I/O, Spark transforme Gemini d’assistant réactif en agent autonome qui agit dans vos applications. Voici ce qu’il fait, comment il s’organise, et ses limites au lancement.
La différence entre Spark et l’assistant Gemini classique est celle qui sépare poser une question à un collègue et lui déléguer un projet. Gemini répond quand on le sollicite ; Spark exécute des tâches, des compétences et des plannings qui se déclenchent à l’heure dite ou lorsqu’une condition est remplie. Il s’appuie sur Gemini 3.5 Flash et sur Antigravity, le harnais d’agent présenté dans l’article précédent, et tourne sur des machines virtuelles Google Cloud dédiées. Concrètement, il peut trier une boîte mail, rédiger des documents, mener une recherche multi-étapes ou planifier un déplacement sans que vous soyez présent à chaque étape.
Au lancement, Spark est en bêta réservée aux abonnés Google AI Ultra aux États-Unis, avec certains comptes Workspace entreprise inclus. La disponibilité hors des États-Unis, dont la France, n’est pas encore annoncée. Les abonnements AI Ultra existent en France, mais l’accès à Spark n’y est pas ouvert à ce stade. Une intégration à Chrome et un support Android sont par ailleurs prévus. Cet article décrit le fonctionnement de l’agent pour que vous soyez prêt le jour où il arrivera.
Du chatbot à l’agent résident
Un chatbot vit le temps d’une session. Spark, lui, est conçu comme un assistant résident : il fonctionne sur des VM Google Cloud, donc en arrière-plan, en continu, indépendamment de l’état de vos appareils. Vous pouvez fermer votre ordinateur portable, Spark poursuit le travail que vous lui avez confié et vous notifie quand il a avancé ou terminé.
Cette autonomie s’appuie sur trois briques qui se combinent : les Tasks (ce que vous voulez accomplir), les Skills (comment vous voulez que ce soit fait) et les Schedules (quand cela doit se déclencher). Comprendre ces trois composants suffit à saisir toute la logique de l’agent.
Tasks, Skills et Schedules : les trois briques de Spark
Tasks : les objectifs à accomplir
Une Task est un objectif que vous confiez à Spark, simple ou complexe. Cela va de « organise ma boîte de réception » à « trouve et suis les offres de stage en design d’intérieur à La Nouvelle-Orléans pour cet été ». Spark décompose alors l’objectif en étapes, mobilise les applications nécessaires, et exécute la chaîne d’actions. Pour les workflows de bout en bout, une seule instruction peut déclencher plusieurs actions enchaînées : rédiger un email de lancement de projet, créer un Google Sheet avec les jalons, programmer une invitation Calendar pour la première revue, puis surveiller le tableau pour signaler les mises à jour.
Skills : vos modes opératoires réutilisables
Une Skill est un jeu d’instructions et de contexte réutilisable, que vous construisez au fil du temps : elle apprend à Spark comment réaliser une tâche précise et quels outils employer. L’exemple le plus parlant : demandez à Spark de lire vos 50 derniers emails envoyés, d’en déduire un guide de votre style d’écriture, puis d’invoquer ce guide automatiquement chaque fois qu’il rédige un nouveau message. Les Skills s’appellent via « @ » ou « / », et Spark peut aussi en choisir une de lui-même quand elle est pertinente pour une tâche. En entreprise, elles peuvent être partagées entre comptes Workspace.
Schedules : le déclenchement automatique
Un Schedule détermine quand Spark agit en arrière-plan : à une date et une heure précises, ou en réponse à un événement. « Chaque jour à 8 h, donne-moi une synthèse de l’actualité IA » combine ainsi une condition (l’heure) et une tâche (la veille). Autre exemple : scanner la boîte de réception chaque lundi matin, générer une to-do list priorisée, puis bloquer un créneau de concentration dans l’agenda. Ces plannings se distinguent des actions programmées du chat Gemini classique : ils s’exécutent côté serveur, sans session ouverte.
Connecteurs : Workspace en natif, le reste via MCP
Spark se connecte nativement à l’écosystème Google : Gmail, Calendar, Drive, Docs, Sheets, Slides, YouTube et Google Maps. Il lit ce contexte directement, ce qui le rend particulièrement pertinent pour qui vit déjà dans Workspace. Ces connexions sont désactivées par défaut : vous les activez une à une depuis les paramètres.
Pour les services tiers, Spark s’appuie sur le Model Context Protocol (MCP), le standard ouvert d’intégration. Au lancement, il prend en charge Canva, OpenTable et Instacart, avec d’autres partenaires annoncés (Adobe, Samsung, Spotify, GitHub). Cette compatibilité MCP est ce qui permet aux workflows de franchir les frontières applicatives : une même tâche peut puiser dans vos données Workspace puis agir dans une application externe. Spark dispose en outre d’un navigateur distant et d’un environnement informatique distant pour mener des actions multi-étapes là où aucun connecteur dédié n’existe.
Spark agit sur vos données et vos comptes : Google a donc placé plusieurs garde-fous. Les connecteurs sont désactivés par défaut et s’activent manuellement. Les actions sensibles requièrent une approbation explicite avant exécution. Et comme l’agent tourne sur des VM isolées, son périmètre d’action se limite aux applications que vous avez autorisées. Avant d’automatiser une tâche récurrente via un Schedule, testez-la d’abord en mode manuel pour vérifier le comportement de l’agent.
Mettre Spark au travail : la logique en quatre temps
Dans les paramètres de Spark, activez seulement les applications dont vous avez besoin (Gmail, Calendar, Drive, puis un service tiers via MCP si nécessaire). Le principe du moindre privilège limite la surface d’action de l’agent. Accès requis : bêta AI Ultra aux États-Unis pour l’instant.
Commencez par un objectif délimité et vérifiable : « Classe mes emails non lus par projet et propose-moi une liste d’actions. » Observez la décomposition en étapes et le résultat avant de confier des tâches plus engageantes. Les techniques de prompt engineering Gemini s’appliquent ici aussi.
Codifiez un mode opératoire que vous répétez souvent : un guide de style d’écriture dérivé de vos emails, un format de compte-rendu, une procédure de tri. Une fois la Skill créée, invoquez-la avec « @ » ou laissez Spark la mobiliser automatiquement quand elle est pertinente.
Quand une tâche tourne de façon fiable, programmez-la : « Chaque lundi à 8 h, synthèse de mes emails du week-end et to-do priorisée. » Vous obtenez alors un assistant qui travaille avant même que vous ouvriez votre ordinateur.
Spark face aux autres agents
La spécificité de Spark tient à deux choses : il réside dans le cloud et il connaît nativement votre Workspace. Comparé à un agent de bureau comme Claude Cowork, qui s’exécute localement sur l’ordinateur, Spark joue le rôle d’un secrétaire résident plutôt que d’un assistant à la demande : il continue à travailler appareil éteint. Comparé à un assistant généraliste comme ChatGPT, Spark est plus fort dès que le contexte vit dans Gmail et Workspace, tandis qu’un agent généraliste reste plus flexible sur des applications variées et le raisonnement général.
Aucun de ces outils ne remplace strictement les autres : le choix dépend de l’endroit où vivent vos données et vos habitudes de travail.
Ce que Spark change — et la suite
Spark fait passer Gemini du statut d’assistant qui répond à celui d’agent qui agit. La combinaison Tasks, Skills et Schedules, sur une infrastructure cloud permanente, ouvre la délégation de workflows entiers : veille quotidienne, tri de boîte mail, préparation de déplacements, suivi de documents. Pour qui vit dans Workspace, c’est le maillon qui transforme une collection d’outils en un système qui tourne tout seul.
Les limites sont celles d’un lancement : bêta réservée au palier AI Ultra aux États-Unis, périmètre de connecteurs encore en extension, et une autonomie qui exige des garde-fous (validation explicite, connecteurs activés un à un, tests en manuel avant automatisation). La disponibilité française n’est pas encore annoncée : à surveiller compte par compte.
Le dernier article de cette série assemble enfin toutes les pièces : construire son système Gemini, la méthode complète. Comment relier Workspace, NotebookLM, Drive, Deep Research, l’API et Spark en un workflow cohérent, avec des setups par métier pour les équipes 100 % Google.
Vous connaissez toutes les briques, jusqu’à l’agent autonome Spark. Le dernier chapitre assemble le puzzle : workflows par métier, silos de connaissance, automatisations API et agents, setups clé en main. La méthode complète pour construire votre système Gemini.